基于数据驱动策略学习框架的重症监护患者最优出院决策
机器学习
2021-12-20 v1 人工智能
最优化与控制
摘要
植根于机器学习与优化的临床决策支持工具可为医疗提供者带来显著价值，包括更好地管理重症监护病房。特别地，患者出院任务必须应对降低患者住院时长（及相关住院费用）与出院决策后再入院甚至死亡风险之间的微妙权衡。本工作引入一个端到端通用框架，用于捕捉该权衡，并根据患者电子健康记录推荐最优出院时机决策。我们采用数据驱动方法推导出一个简洁的离散状态空间表示，以刻画患者生理状况。基于该模型与给定代价函数，我们构建并数值求解一个无限时域折扣马尔可夫决策过程，以计算最优出院策略，并利用离策略评估策略对其价值进行评估。我们使用真实重症监护病房患者数据进行了大量数值实验来验证所提框架。
引用
@article{arxiv.2112.09315,
title = {Optimal discharge of patients from intensive care via a data-driven policy learning framework},
author = {Fernando Lejarza and Jacob Calvert and Misty M Attwood and Daniel Evans and Qingqing Mao},
journal= {arXiv preprint arXiv:2112.09315},
year = {2021}
}